我正在尝试创建一个行为类似于 scipy 中的测试版 RV .即,它采用 alpha、beta、loc 和 scale。我关注了关于创建 shifted gamma 的讨论, 并想出了一个看起来像这样的东西:
import pymc3 as pm
class SSBeta(pm.Beta):
def __init__(self, alpha, beta, loc, scale, *args, **kwargs):
# Not sure what this is doing but it won't work without it.
transform = pm.distributions.transforms.lowerbound(loc)
super().__init__(alpha=alpha, beta=beta, *args, **kwargs, transform=transform)
self.scale = scale
self.loc = loc
self.mean += loc
def random(self):
return super().random()*self.scale + self.loc
def logp(self, x):
return super().logp((x - self.loc)/self.scale)
所以我有两个问题:
- 这个实现是否正确(
random,logp)? - 类顶部转换的目的是什么?我在文档中找不到任何有用的东西,代码也没有多大帮助。
请您参考如下方法:
另一种方法是使用 pm.Deterministic。这不允许您传递观察到的数据,但无论如何可能是您想要的?
mu, scale = 2, 4
with pm.Model():
b = pm.Beta('b', alpha=3, beta=8)
shifted_b = pm.Deterministic('shifted_b', scale * b + mu)
